François Chollet

Chollet 对人工智能的兴趣最初来自有关意识与智能的哲学问题。他先阅读神经心理学，后来转向通过构建系统理解心智，研究发展认知机器人，再扩展到计算机视觉与自然语言处理。⁠[1]

2011年，Chollet 创建艺术家社区与绘画学习工具 Wysp，并维护至2014年。他在个人履历中称，该平台在2014至2015年前后达到约2.5万月活跃用户。⁠[2]

Chollet 于2012年获得 ENSTA 的工程师文凭，该文凭授予硕士学位等级。法国2013年公布的授予2012届文凭名单中列有其姓名。东京大学 ISI 实验室的2012年成员记录同时将他列为来自 ENSTA ParisTech 的实习生，并链接其 Wysp 网站。⁠[3][4]

2014至2015年，Chollet 开发并维护 QuickAnswers.io。系统将问题规范化后进行网络搜索，提取相关片段，再交给 LSTM 语言模型生成答复；该服务后来停止运营。⁠[2]

2015年2至3月，Chollet 为自然语言问答研究编写 Keras。早期版本建立在 Theano 之上，吸收 Scikit-Learn 与 Torch 的接口设计，提供循环神经网络和卷积网络工具，以降低使用门槛、缩短实验迭代时间。⁠[1]

他把易用性视为开发工具的重要价值：降低使用者的认知负担，让研究者和各领域从业者更快地从想法走到实验结果。⁠[1]

Chollet 提出 Xception 卷积网络架构，以深度可分离卷积替代 Inception 模块。论文报告，该架构在参数量与 Inception V3 相当的情况下，提高了图像分类表现；解释重点在于参数利用效率，而非单纯扩大模型容量。论文后来发表于 CVPR 2017。⁠[5][2]

2017年，Chollet 出版 Deep Learning with Python，面向有编程基础的读者介绍深度学习。书中用代码帮助解释数学概念，并通过图像、文本和时间序列任务建立实践能力；第二版于2021年出版。⁠[2][1]

2018年，Chollet 与 J. J. Allaire 合著 Deep Learning with R，将相关深度学习内容带入 R 语言生态。⁠[2]

在2018年的公开访谈中，Chollet 介绍自己在 Google 从事软件工程和人工智能研究。他强调研究应创造可检验的知识，批评弱基线、缺乏消融研究和以宣传为导向的项目选择；对学习者则主张先积累实践经验，再用理论组织理解。⁠[1]

Chollet 自2019年起担任 Keras Tuner 项目负责人并参与开发，同年开始为 AutoKeras 作出贡献，扩展自动调参与自动机器学习工具。⁠[2]

2019年11月5日，Chollet 发表 On the Measure of Intelligence。他认为，在单一任务上取得高分并不能充分测量智能，因为既有知识与训练经验会影响成绩；应关注系统获得新技能的效率，同时明确先验、经验和泛化难度。⁠[6]

论文提出 Abstraction and Reasoning Corpus（ARC），以接近人类基础先验的抽象任务检验泛化能力。此后 ARC 发展为 ARC-AGI 系列，成为他研究智能与评测方法的核心项目。⁠[6][7]

2024年6月11日，Chollet 与 Mike Knoop 发起 ARC Prize，以超过100万美元的竞赛奖励推动开放的通用智能研究。竞赛围绕 ARC-AGI 展开，鼓励研究者公开可复用的解题方法。⁠[8]

在同期与 Dwarkesh PatelDwarkesh PatelDwarkesh Patel 是播客主持人和作者，主持长篇访谈节目 Dwarkesh Podcast，关注人工智能、科技、历史和经济等领域。他于2020年在大学期间开始制作播客，2024年入选 TIME100 AI，并与 Gavin Leech 合作整理出版《The Scaling Era: An Oral History of AI, 2019–2025》。点击查看完整词条 的对谈中，Chollet 区分记住解题模板与面对陌生问题即时构造新程序，认为仅扩大训练规模不足以获得通用智能。Patel 则以模型随规模提升而表现出新的泛化能力提出质疑；这是双方对研究路线的讨论。⁠[9]

2024年11月13日，Google 公布 Chollet 离职。公告同时确认，他将继续参与 Keras 开源开发并负责其路线图，与 Google 团队保持合作；离开公司并不意味着退出 Keras。⁠[10]

2024年12月20日，Chollet 公布对 OpenAIOpenAIOpenAI是2015年创立的人工智能研究与产品机构，开发GPT系列模型、ChatGPT、Codex及开发者API，并开展图像、语音、视频与智能代理研究。2025年重组后，非营利的OpenAI Foundation继续控制营利主体OpenAI Group PBC。其发展涉及大规模融资与算力合作，也伴随治理、版权、隐私及人工智能安全争议。点击查看完整词条 o3 预览系统的评测：在 ARC-AGI-1 半公开评测集上，受预算约束的配置得分75.7%，使用约172倍计算量的高计算配置得分87.5%。他称这是适应陌生任务能力的重要进展。⁠[11]

他同时强调，较高分数仍不等于实现通用人工智能，效率和未解决的问题仍需研究。该文于2025年4月补充说明，正式发布的 o3 与2024年受测预览版本不同，历史结果不能直接当作正式版成绩。⁠[11]

2025年1月8日，ARC Prize 宣布扩展为非营利基金会。Chollet 与 Knoop 继续担任共同创始人及董事，Greg Kamradt 出任总裁并加入董事会，负责推动基准和开放研究。⁠[12][7]

2025年1月15日，Chollet 宣布与 Zapier 共同创始人 Mike Knoop 创办 Ndea。实验室的研究方向是以深度学习引导程序合成，将模式识别与形式推理结合，探索能从少量经验中学习和适应的系统。⁠[13][14][15]

Ndea 将自动发现与科学进步作为长期目标。其设想是在程序空间搜索能够解释观察数据的模型，并用深度学习降低搜索成本；这些是研究方法与目标，并非已完成通用人工智能的声明。⁠[15]

2025年3月24日，ARC Prize 推出 ARC-AGI-2，加入更强调符号含义、组合推理和上下文规则的任务。团队对400余名参与者进行受控测试，以校准评测难度，并要求各项评测任务至少由两人在两次尝试内解出。⁠[16]

新版本将解决任务的效率与正确率并列考虑，公开榜单同时展示得分和成本。同期开放的竞赛要求符合条件的参赛者公开方法，以推动可复用研究。⁠[16]

2025年9月，Chollet 与 Matthew Watson 合著的 Deep Learning with Python 第三版出版。新版增加 Keras 3、PyTorch、JAX，以及 Transformer、语言模型和扩散式图像生成的内容，延续以代码和实例解释原理的方式。⁠[17]

2026年3月25日，ARC Prize 发布 ARC-AGI-3，将评测扩展到交互式回合制环境。智能体没有预先给定的规则与目标说明，需要自行探索、辨认机制、发现目标，并把学到的知识用于后续关卡。同期2026年竞赛公布超过200万美元的奖励。⁠[18]

2026年4月，Chollet 与 Tomasz Kalinowski 合著的 Deep Learning with R 第三版出版，将从基本原理到生成式人工智能的内容带给 R 语言读者。⁠[19]

2026年9月3日，ARC Prize 发布 GPT-6 Astra 的 ARC-AGI-3 评测，Chollet 参与文章前期审阅。在半公开集上，标准调用框架下的最高报告分数为62.7%，对应约2.6万美元；保留推理状态并压缩长对话的厂商适配框架下，另一配置达到99.9%，对应约1.9万美元。⁠[20]

基金会据此区分统一最小接口与厂商上下文管理能力两种测试条件，并明确高分不等于证明实现 AGI：该基准仍限定在确定性、封闭目标的环境中，无法覆盖现实世界的全部开放性。⁠[20]

Ndea：Chollet 与 Mike Knoop 共同创办的人工智能研究实验室。官网：https://ndea.com/（在新窗口打开）。⁠[14]

ARC Prize Foundation：Chollet 为共同创始人、董事及 ARC-AGI 创建者。官网：https://arcprize.org/（在新窗口打开）。⁠[7]

Keras：Chollet 创建并持续参与路线图工作的开源深度学习项目。官网：https://keras.io/（在新窗口打开）。⁠[2][10]

Chollet 的个人网站为 https://fchollet.com/（在新窗口打开），公开 X 账号为 https://x.com/fchollet（在新窗口打开），GitHub 账号为 https://github.com/fchollet（在新窗口打开）。⁠[2][10]